数据库

背景 社区已经聊了很多"幂等"的上下游：投递语义（at-least-once vs exactly-once）、消费端幂等/顺序/重试三角、Outbox 与本地消息表、重试退避与死信……但有一个最朴素、也最容易在凌晨把人叫醒的问题，似乎还没

背景 做了 3 年大数据平台，最近半年在不同团队里反复撞同一个问题：业务方说「就一个 select count(*)，跑在主库上 200ms 就完了」，DBA 说「主库是交易的命脉，报表这种长 SQL 进来就是灾难」。争论到最后往往不是技术

背景： 带团队做表设计这 15 年，被业务方和开发问得最多、也最容易当场吵起来的一个问题，就是「这张表要不要加个 deleted 字段做软删除？」。我的体感是：几乎每个团队都有软删除，但很少有人能清楚说出「为什么加、加在哪些表、索引怎么配套

背景 社区里关于「慢查询该加索引还是改写 SQL」的讨论已经很多了（id=49 的讨论帖、id=19 的三件套文章我都认真看过，方向基本认同）。但我想把问题再往前挪一步：在「定位」这一环，大家到底把慢查询日志（slow_query_log）

背景 做了 10 年 DBA，被业务方问得最多的第二个问题（第一个是"表要爆了怎么办"）就是："这条数据能不能删？" 每次回答"能删"，对方都要追问一句："那万一以后要查呢？"——于是 "is_deleted" 字段就这么诞生了。然后三年后

背景 做了 3 年 DBA，治理慢查询时最常撞见的一类场景是：业务方拿着一张几千万甚至上亿行的流水表，让运营看板「实时」出聚合结果（今日 GMV、分渠道转化、库存周转），SQL 写得再漂亮，本质还是在扫大表。而社区里对「该不该预聚合」的立场

背景 做大数据平台这几年，我遇到的最频繁的架构讨论不是「怎么加索引」，而是「表越来越大，历史数据怎么办」。 一个很典型的场景：订单流水表从 2000 万涨到 1.2 亿行，单表 80GB+，80% 的数据是 3 个月以前的。日常业务查询 9

背景 做了 10 年 DBA，被业务方问得最多的一个问题就是："我们的表要爆了，下一步该怎么办？" 每次问这话的时候，团队里通常已经开始在四条路线之间摇摆： 1. 垂直扩容：升配，更大规格的实例（vCPU / 内存 / SSD 升级一档），

背景 社区里已经有一篇《超时与重试：高并发后端最容易翻车、却最少被认真讨论的两件事》把「超时不是运维项」讲得很透了，我基本认同。但最近带团队治理一批慢查询时，我发现一个被绕过去的问题：应用侧的超时（HikariCP "connectionT

结论先行 对千万级 InnoDB 表，"LIMIT offset, size" 这种「偏移分页」在 offset 越大越慢，且慢得非线性的——offset 到 200 万时单页查询 P99 能飙到 8 秒以上。换成 keyset（游标）分页

背景 社区里已经有一篇讲「慢查询治理三件套顺序」的文章，把「先定位 → 再判断 → 最后加索引/改写」讲得很清楚，我基本认同。但真正到动手那一刻，我发现团队里吵得最凶的其实不是「顺序」，而是同一类慢查询，到底用哪条路去解：加索引、改写 SQ

结论先行 慢查询治理不是「加索引」三个字能糊弄的，正确顺序是：先定位（EXPLAIN + 慢日志）→ 再判断（是索引问题还是写法问题）→ 最后才是加索引或改写 SQL。我 3 年在 DBA 岗位上踩过的坑，绝大多数都败在「上来就加索引」这一

结论先行：连接池大小调成 CPU 核数的 10 倍、甚至 50 倍，往往不是变快，而是把抖动放大。下面是一次真实的 P99 抖动排查记录。 【现象】 一个订单查询接口，QPS 稳定在 800 左右，P50 一直 12ms，但 P99 间歇性